国内大数据与交通研究综述
国内大数据与交通研究综述
朱笠
摘要:大数据在交通研究中的作用日益增加。本文旨在对国内大数据与交通研究的最新进展进行综述，主要包括了交通大数据的来源及发展现状、大数据在交通调查及交通数据管理方面的应用、交通大数据的处理及技术、大数据与交通规划、大数据在公共交通中的应用、大数据在智能交通中的应用等六个方面。最后对已有研究进行总结，并指出未来可能的研究方向。
关键词：大数据交通城市研究
近年来, “大数据”（Big data）成为一个热词。大数据，是用来描述规模巨大、类型复杂、蕴含丰富价值的数据集，其是网络社会发展到一定阶段的产物。随着移动客户端、社交网站及云计算技术的发展,人类的各种行为都开始被记录,海量数据的存储与处理正逐渐变为现实。各国政府与各类企业都幵始了对大数据相关技术的研究与开发。
与传统意义上的“数据”相比，“大数据”的内涵在扩大，它是数字、文本、声音、图像及视频等一切有价值信息的统称。其特点可以概括为4V，即 Volume（海量性）、Velocity （高速性）、Variety（多样性）、Veracity（真实性）。
大数据的兴起对交通发展已经产生深远的影响，带来交通数据采集、应用与管理及交通规划等方面的重大变革。新的交通数据采集手段使得众多设想成了可能，而这些数据对交通研究的进一步发展产生了重要的推动作用。
本文的目的便在于对国内大数据在交通研究的进展进行回顾与分析，希望能对目前国内大数据在交通研究中的状况形成系统的认识，并基于文献综述，分析已有研究的不足，提出未来可能的研究方向。
1.文献选择和分类
本文所综述的文献为中文文献，文献来自中国学术期刊网络出版总库、中国重要会议论文全文数据库、中国优秀硕士学位论文全文数据库及北京城市实验室（Beijing City Lab，https://www.360docs.net/doc/f0705788.html,)的工作论文收录。文献选择范围限于期刊论文，学位论文、会议论文及BCL的工作论文。
在中国知网设定检索条件为：题名:("交通") * 题名:("大数据") * Date:-2015，则搜
到相应文献共计119篇；另外北京城市实验室截止2015年5月目前探讨城市交通大数据的中文工作论文为1篇，为《基于公共交通智能卡数据的城市研究综述》。
这120篇文献中，如《大数据时代背景下中国城市交通广播的发展路径分析》这类文献探讨的其实是大数据与交通广播问题；如《大数据时代商业银行面临的挑战——交通银行股份有限公司数据中心副总经理周彦倜访谈》这类文献实质是人物访谈;；另外一些文献来源为报纸，一些文献缺乏作者信息，还有一些文献题名虽然相关，实质并未探讨城市交通大数据方面的问题，故将这些类型的文章剔除。笔者对于这120篇文献进行筛选，最终确定出实质探讨大数据与城市交通的文献共计62篇。
2015年文献数量目前为17篇；2014年文献数量为33篇；2013年文献数量为9篇；2013年以前为3篇；考虑15年目前刚过一半，可见关于大数据与交通的文献数量呈急剧上升之势（图1）；经过对这些文章整合与分析，可以发现目前大数据在城市交通研究应用主要集中在这六个方面：（图2）
（1）交通大数据的来源及发展现状（5篇）
（2）大数据在交通调查及交通数据管理方面的应用（10篇）
（3）交通大数据的处理及技术(5篇)
（4）大数据与交通规划（5篇）
（5）大数据在公共交通中的应用（11篇）
（6）大数据在智能交通中的应用（26篇）
图1：不同年份文献数量分布（笔者自绘）图2：六大研究方向文献数量分布（笔者自
绘）
2.大数据与城市交通
2.1交通大数据的来源及发展现状
交通大数据作为新兴出现的研究领域，不少学者对其来源及发展现状做了探讨。
马英杰（2014）认为目前交通运输行业大数据来源主要在三个方面: 基于互联网的公众出行服务数据；基于行业运营企业生产监管数据；基于物联网、车联网的终端设备传感器采集数据，包括车辆相关动态数据。唐要安（2013）认为目前大数据在城市交通中的应用主要包括在三个方面：大数据在交通管理中的应用、大数据在智能交通中的应用、大数据在交通事故分析与处理中的应用。刘伟杰，保丽霞（2014）认为在整个交通运输体系中，大数据的作用主要体现在对管理者、出行者、社会环境三类对象上面。王璞等（2013）通过综述人类出行特性与建模及交通网络研究方向的重要科研进展，提出大数据挖掘技术与人类出行建模可以为交通需求预测提供底层支持。姜红德（2014）对广东省目前交通大数据的应用情况进行了介绍。
可见目前交通大数据的来源比较广泛，也逐渐得到更广泛地利用，其在交通中主要应用于交通管理、智能交通、交通事故分析与处理、交通需求预测及综合交通运输体系等多方面。
2.2大数据在交通调查及交通数据采集与管理方面的应用
“大数据”带来交通调查、交通数据采集、应用与管理的重大变革。新的交通数据采集手段使得交通调查众多设想成了可能，同时也给交通数据管理带来了巨大的挑战。一些文献便针对这些方面进行了探讨和研究。
叶亮（2013）介绍了我国北京、上海、深圳等城市交通数据采集研究和交通信息平台的相关建设工作。
徐玉萍等（2015）指出大数据在轨道交通调查中的应用主要包括：利用手机移动定位技术，获取居民日常出行轨迹；利用GPS定位技术，获取车辆运行轨迹；利用车载GPS、公交刷卡信息和视频监控系统，获取公共交通相关数据；利用道路检测设备，获取道路实时流量；利用视频监测技术，掌握交叉路口车流实时动态等。
李伟等（2015）将交通中网络客流大数据和统计结果高度图形化，方便对数据作进一步分析研究与信息挖掘。研究成果可为城市轨道交通运营管理部门的客流分析及运营管理辅助决策工作提供新的手段。
段宗涛等（2014）研究了车联网大数据环境下的交通信息服务协同体系的构建。徐思豪（2014）；卢诚(2014)；徐炜（2013）就大数据背景下交通信息管理发展提出了一些见解及
改进与提升建议；陈志康（2015）；李亚军（2014）；丁红军（2014）等对大数据在公安交通管理方面的应用进行了探讨。
可见目前国内诸多城市已经采用新型交通大数据采集系统和技术用于轨道交通调查和公共交通调查等，并进行了一些对这些大数据可视化的研究。大数据在交通管理方面的应用也逐渐得到重视。
2.3交通大数据的处理及技术
大数据收集之后，对其处理及进一步的模型分析及实验设计也是一些学者重点关注的领域，一些文献便进行了交通大数据处理及技术方面的研究。
辛柯俊等（2014）在大量交通数据和环境数据采集的基础上，基于大数据技术给出了城市交通在线实验环境的功能框架、物理框架及软件实施框架，阐述了该实验环境的功能。该实验环境的建设和开发将有利于智能交通系统方案的开发和验证，推动智能交通系统解决方案在实际城市交通环境中的应用。程豪（2014）的硕士论文研究集中在Hadoop平台对交通大数据的信息处理方法。刘强等（2014）针对公交大数据特征提出数据集中和审查的研究方法。杨杰等（2014）提出了面向道路交通监控网的异构大数据语义融合方法。江海琦等（2014）对宁夏交通数据中心大数据相关技术进行了适用性研究。
2.4大数据与交通规划
虽然交通规划研究中的大数据来源包括多种，如基于互联网的公众出行服务数据；基于行业运营企业生产监管数据；基于物联网、车联网的终端设备传感器采集数据等，但目前针对交通规划大数据层面，比较多的还是从手机大数据的角度进行研究。
林群等（2009）指出基于手机数据的城市交通规划决策支持系统可以充分利用手机数据占城市交通出行人口比重大、影响城市交通范围广等优势。可以实时动态地了解并掌握城市公众出行分布状态和出行演变趋势,实现通信与数据服务的智能化，通过移动计算系统进行交通仿真与规划决策支持。
关志超等（2011）认为通过对话务量时空分布规律的分析，可定性得到人群在该区域活动总量的时空分布特征，然后根据人群活动的常识区分各个区域的交通特性，将交通特性类似的区域合并为交通土地单元，完成区分工作。手机大数据将会成为交通网络建模分析得很好依据。
刘彤（2014）认为利用手机大数据可获取城市交通相关数据以支撑城市交通的发展规划、公共交通的发展规划、公交线路开辟与优化，以及公交运营计划的改善。目前，济南公交已利用手机大数据分析成果开展线网优化、高峰通勤网规划以及社区公交规划等工作
除了手机大数据之外，刘寰(2014)其硕士论文根据交通路网特性和手机交通数据特点,引入虚拟路径(VTLs)的思想,设计了基于交通路网的时空自回归移动平均模型(STARMA)和逻辑回归算法(LR),分别用于预测交通路网的旅行时间和拥堵状况。谭杰（2015）通过分析归纳相关大数据技术的内容与空间划分中使用的手段与方法，对交通和功能区土地规划两方面进行探讨。
可以发现目前手机大数据在交通规划中的使用比较受到关注，其主要用于交通仿真、规划决策支持、交通网络建模分析，预测交通路网旅行时间和拥堵状况等，也可以支撑城市交通的发展规划、公共交通发展规划、公交线路开辟与优化以及公交运营计划的改善。而利用大数据进行交通路网研究及运用于交通规划与空间规划方面目前研究较少。
2.5大数据在公共交通中的应用
公共交通是城市交通系统重要的组成部分。陈美（2014）认为大数据能改变传统公共交通管理的路径；大数据能提高公共交通运转效率；大数据有利于促进公共交通的智能化管理。
公共交通电子收费数据（即公交IC卡数据）是公共交通支付活动中产生的运营记录数据。基于公交IC卡数据，业界开展了大量研究和实践工作。龙瀛，孙立君等（2015）对当前国际和国内基于公共交通智能卡数据(smart card data或SCD)的城市研究进行综述，基于公共交通智能卡数据的城市研究主要囊括了数据处理与OD推算、交通系统运行与管理、城市空间结构分析以及出行行为与社会网络等四个研究方向。高永等（2014）结合北京市春节前后公共交通IC卡数据分析案例，证明公共交通出行特征大数据分析方法操作简便、技术可行，而且能够得到以往方法难以获得的现象和结论。
姬倩倩，温浩宇（2015）针对公共交通数据海量、分散、多源、异构等问题采用了数据仓库、SOA 和 Portal 的集成方式，在跨公司/跨平台现状下，以数据为线索逐级分层，构建了公共交通大数据平台架构。他们认为通过大数据来解决制约城市公共交通的瓶颈问题是新时期我们改善公共交通问题的新方式，同时也为构建智能交通、智慧城市提供技术基础支撑。
而大数据在解决城市交通问题方面，也能发挥积极作用。张志琦（2014）提出了大数据解决城市交通问题的相应策略；张艳朋（2014）提出大数据技术在道路交通治理方面的相应作用。赵鹏军，李铠（2014）依据交通流用户最优均衡理论和系统最优均衡理论,分析大数据在交通诱导信息系统，交通流量判研和拥堵实时评价方面，交通拥堵收费，公共交通运行与服务水平进行实时监控等方面的应用:最后提出一体化交通监测与需求管理系统理论框架。孙加君等（2015）；刘婕（2014）；马景艳（2014）也提出了相应的依靠大数据破解城市
交通拥堵的一些策略；顾涛（2013）从大数据、物联网应用角度提出了治理北京城市交通拥堵的相应建议。
大数据无疑在优化城市公共交通方面能发挥重要作用，而目前学界研究热点主要集中于公交IC卡方面的研究。
2.6大数据在智能交通中的应用
智能交通系统(Intelligent Transportation System，简称ITS)是未来交通系统的发展方向，而大数据显然是未来智能交通发展的重要依托，学界关于大数据与智能交通有比较多的探讨。
一些研究集中于大数据在智能交通中应用的现状及前景，如林祥兴等（2015）；杨晓牧（2015）；李建国（2015）；谭娜和刘丽（2015）;白玲玲和韩天鹏（2015）；罗西军和刘亚（2014）；周为刚等（2014）;李晓（2014）;李建国（2014）;李哲（2014）；刘傅斌（2014）；谢然（2014）；杨正（2014）；周春梅（2014）；周为刚等（2013）;岳建明和袁伦渠（2013）等；闫红伟（2015）对大数据在智能高速公路中的应用进行了研究。
一些研究关注于智能交通大数据平台。例如，周为刚等（2013）探讨了智能交通大数据处理平台之构建，张滔和凌萍（2014）探讨了智慧交通大数据平台设计开发及应用；邱卫云（2013），季振东（2015）探讨了智能交通大数据分析云平台技术；周锋（2015）探讨了大数据分析技术助推智能交通产业；韩欢（2014）硕士论文研究了基于大数据的智能交通运输平台。
此外，张红等（2014）探讨了基于大数据的智能交通体系架构，关志超（2014）对深圳市智能交通大数据建设与发展进行了介绍。
大数据与智能交通显然是受到重点关注的领域，研究文章数量占六大研究方面之最。3.结论与展望
3.1已有研究总结
本文系统综述了国内大数据与城市交通研究的中文文献，目前主要囊括了交通大数据的来源及发展现状、大数据在交通调查及交通数据管理方面的应用、交通大数据的处理及技术、大数据与交通规划、大数据在公共交通中的应用、大数据在智能交通中的应用等六个方面。总体上现有文献呈现这样的一些特征：
(1) 绝大多数关于大数据与城市交通研究的文章发表于2013-2015这三年；
(2) 一半以上文献集中于大数据在公共交通与智能交通方面的应用，手机大数据及公交IC
卡是这两个领域目前研究的热点；
(3) 文献主要集中于对交通大数据发展现状和应用的介绍；
(4) 大数据在交通数据收集和管理、解决城市交通问题、优化公共交通、提升智能交通水平方面已显示出巨大的作用和潜力。
3.2已有研究存在不足
(1)欠缺对交通大数据机制的分析、大数据对交通系统运行的优化及对交通规划和城市规划
的支持类文献；
(2)利用大数据进行交通规划与空间规划的结合研究目前研究较少。
(3)目前关于大数据的研究比较片断零散化，还未有系统的硕士博士论文及专著对大数据与
交通问题进行系统的研究；
(4)交通大数据的来源比较多元，但目前研究主要针对手机大数据及公交IC卡等，其余如
交通专用地理信息系统、浮动车数据采集系统等研究比较欠缺；
3.3未来研究发展方向
考虑到已有研究的不足，未来的大数据与城市交通研究可基于(但不限于)以下几个研究方向：
（1）加强对交通大数据多样化来源的研究，分析更多交通大数据的来源路径及应用；（2）针对交通大数据对交通规划及城市规划的支持作进一步的研究；
（3）使用交通大数据分析城市动态，评价基础设施及交通设施建设的影响，规划评估，评价公共交通系统设计等；
（4）继续关注某些特定交通使用群体，通过其时间空间行为特征进行城市交通及空间系统分析并进一步指导交通和空间规划。
参考文献
1．白玲玲,韩天鹏. 大数据在智能交通系统中的应用研究[J]. 电脑知识与技术,2015,10:204-206.
2．陈美. 大数据在公共交通中的应用[J]. 图书与情报,2012,06:22-28.
3．陈志康. 公安交通管理“大数据”的应用与研究[J]. 上海公安高等专科学校学报,2015,01:5-9.
4．程豪. 基于Hadoop的交通大数据计算应用研究[D].长安大学,2014.
5．丁红军. 大数据在公安交通管理中应用探究[A]. 天津市社会科学界联合会.科学发展·协同创新·共筑梦想——天津市社会科学界第十届学术年会优秀论文集（下）[C].天津市社会科学界联合会:,2014:6.
6．段宗涛,康军,唐蕾,樊娜,刘研,代记婷. 车联网大数据环境下的交通信息服务协同体系[J]. 长安大学学报(自然科学版),2014,02:108-114.
7．高永,褚琴,翟雅峤,姚毅. 公共交通乘客出行特征大数据分析[A]. 中国智能交通协会.2014第九届中国智能交通年会大会论文集[C].中国智能交通协会:,2014:7.
8．顾涛. 科学施策治理北京城市交通拥堵——浅谈大数据、物联网时代的治堵策略[J]. 城市管理与科技,2013,06:16-18.
9．关志超,张昕,胡斌,裘炜毅,杨东援,唐美华. 基于手机数据的城市交通规划决策支持研究[A]. 中国智能交通协会.第六届中国智能交通年会暨第七届国际节能与新能源汽车创新发展论坛论文集（上册）——智能交通[C].中国智能交通协会:,2011:8.
10．关志超. 深圳市智能交通大数据建设与发展[J]. 交通与港航,2014,06:10-12.
11．韩欢. 基于大数据的智能交通运输平台的研究[D].成都理工大学,2014.
12．姬倩倩,温浩宇. 公共交通大数据平台架构研究[J]. 电子科技,2015,02:127-130.
13．季振东. 大数据分析云平台技术在智能交通中的应用研究[J]. 硅谷,2015,01:120+122.
14．江海琦,崔毓伟,徐延军. 宁夏交通数据中心大数据相关技术适用性研究[J]. 上海船舶运输科学研究所学报,2014,04:40-45.
15．姜红德. 广东:力推交通大数据[J]. 中国信息化,2014,02:18-19.
16．李建国. 大数据在智能交通中的应用与发展[J]. 科技与企业,2015,07:73.
17．李建国. 基于大数据架构的智能交通解决方案[J]. 科技与企业,2015,08:79.
18．李建国. 智能交通发展中的大数据分析[J]. 硅谷,2014,06:1+3.
19．林群,关志超,杨东援,冉斌. 基于手机数据的城市交通规划决策支持系统研究[A]. 全国智能交通系统协调指导小组、全国清洁汽车行动协调领导小组、中国智能交通协会、深圳市人民政府.第五届中国智能交通年会暨第六届国际节能与新能源汽车创新发展论坛优秀论文集（上册）——智能交通[C].全国智能交通系统协调指导小组、全国清洁汽车行动协调领导小组、中国智能交通协会、深圳市人民政府:,2009:7.
20．李伟,周峰,朱炜,徐瑞华. 轨道交通网络客流大数据可视化研究[J]. 中国铁路,2015,02:94-98.
21．李晓. 基于大数据分析的智能交通系统[J]. 电子测试,2014,23:67-69.
22．李亚军. 大数据时代背景下公安交通管理工作研究[J]. 广西警官高等专科学校学报,2014,01:28-31. 23．李哲. 大数据时代:智能交通发展的机遇和挑战[J]. 经济研究导刊,2014,33:227-228.
24．林祥兴,陈思恩,俞辉. 大数据多维度下的智慧交通[J]. 中外企业家,2015,04:31-34.
25．刘傅斌. 交通信息化与大数据时代的契合[J]. 科技创新与应用,2014,32:91.
26．刘寰. 基于手机数据的城市交通路网预测与路径选取[D].北京交通大学,2014.
27．刘婕. 大数据助力缓解交通拥堵[J]. 中国信息化,2014,Z1:4.
28．刘强,何建兵,张景奎,方晓洪. 基于云计算的公共交通大数据处理机制研究[J]. 科技致富向
导,2014,20:192+254.
29．刘彤. 用大数据把握城市交通——手机大数据在济南公交的应用[J]. 人民公交,2014,10:43-45.
30．刘伟杰,保丽霞. 交通大数据支撑一流运输体系的构建[J]. 交通与运输(学术版),2014,02:1-5.
31．卢诚. 浅谈大数据技术对交通管理工作的改进与提升[J]. 中国公共安全,2014,11:172-174.
32．罗西军,刘亚. 大数据在智能交通系统中的应用分析[J]. 数字技术与应用,2014,09:97.
33．马景艳. 大数据背景下智慧城市破解交通拥堵的策略研究[J]. 电脑知识与技术,2014,18:4262-4264. 34．马英杰. 交通大数据的发展现状与思路[J]. 道路交通与安全,2014,04:55-59.
35．邱卫云. 智能交通大数据分析云平台技术[J]. 中国交通信息化,2013,10:106-110.
36．孙加君,张亮,王敬陆. 基于大数据的交通拥堵缓解方法探索[J]. 警察技术,2015,03:18-20.
37．谭杰. 大数据下的卫星城镇交通与土地空间规划探索[J]. 河北省科学院学报,2015,01:37-42.
38．谭娜,刘丽. 大数据助力智能交通发展[J]. 交通建设与管理,2015,Z2:235-237.
39．唐要安. 大数据在交通中的应用[J]. 交通世界(运输.车辆),2013,12:126-127.
40．王璞,黄智仁,龚航. 大数据时代的交通工程[J]. 电子科技大学学报,2013,06:806-816.
41．谢然. 大数据引领智能交通且行且珍惜[J]. 互联网周刊,2014,08:22-23.
42．辛柯俊,梁彪,郭建华. 基于大数据技术的城市交通在线实验环境设计[J]. 交通信息与安全,2014,02:86-89. 43．徐思豪. 大数据背景下交通信息管理发展思考[J]. 科学咨询(科技·管理),2014,02:8-10.
44．徐炜. 交通管理已进入大数据时代[J]. 道路交通管理,2013,11:36-37.
45．徐玉萍,覃功,张正. 城市轨道交通调查大数据应用研究[J]. 铁道运输与经济,2015,04:78-81.
46．闫红伟. 交通大数据在智能高速公路中的应用探讨[J]. 中国交通信息化,2015,03:94-95.
47．杨杰,李小平,潘丽娅. 面向道路交通监控网的异构大数据语义融合方法[J]. 东南大学学报(自然科学版),2014,05:907-911.
48．杨晓牧. 试述大数据在智能交通领域的应用[J]. 交通节能与环保,2015,01:76-79+93.
49．杨正. 基于大数据架构的智能交通解决方案[J]. 北京联合大学学报,2014,04:44-47.
50．叶亮. “大数据”背景下我国交通数据管理应用的转型与发展[J]. 交通与运输(学术版),2013,02:65-68. 51．岳建明,袁伦渠. 智能交通发展中的大数据分析[J]. 生产力研究,2013,06:137-138+165.
52．张红,王晓明,曹洁,朱昶胜. 基于大数据的智能交通体系架构[J]. 兰州理工大学学报,2015,02:112-115. 53．张滔,凌萍. 智慧交通大数据平台设计开发及应用[A]. 中国智能交通协会.2014第九届中国智能交通年会大会论文集[C].中国智能交通协会:,2014:10.
54．张艳朋. 大数据技术与道路交通治理[J]. 老区建设,2014,16:21-22.
55．张志琦. 用大数据解决交通问题[J]. 中国经济和信息化,2014,05:95.
56．赵鹏军,李铠. 大数据方法对于缓解城市交通拥堵的作用的理论分析[J]. 现代城市研究,2014,10:25-30. 57．周春梅. 大数据在智能交通中的应用与发展[J]. 中国安防,2014,06:33-36.
58．周锋. 大数据分析技术助推智能交通产业[J]. 信息与电脑(理论版),2015,01:82-83.
59．周为钢,杨良怀,龚卫华,郑申俊,沈贝伦,沈俊青,陈彬,陈彬彬,万凯明,罗锋. 大数据处理技术在智能交通中的应用[A]. 中国智能交通协会.第八届中国智能交通年会优秀论文集——智能交通与安全[C].中国智能交通协会:,2013:10.
60．周为钢,杨良怀,潘建,郑申俊,沈贝伦,沈俊青. 论智能交通大数据处理平台之构建[A]. 中国智能交通协会.第八届中国智能交通年会论文集[C].中国智能交通协会:,2013:10.
61．周为钢,杨良怀,潘建,郑申俊,沈贝伦,沈俊青. 智能交通大数据处理平台之构建[J]. 中国公共安
全,2014,17:136-141.
62．Long Y, Sun L, Tao S, 2015, A review of urban studies based on transit smart card data. Beijing City Lab. Working paper #64
作者简介
朱笠，硕士研究生，同济大学建筑与城市规划学院。
国内外大数据产业发展现状与趋势研究
龙源期刊网 https://www.360docs.net/doc/f0705788.html, 国内外大数据产业发展现状与趋势研究 作者：方申国谢楠 来源：《信息化建设》2017年第06期 大数据作为新财富，价值堪比石油。 进入21世纪以来，随着物联网、电子商务、社会化网络的快速发展，数据体量迎来了爆炸式的增长，大数据正在成为世界上最重要的土壤和基础。根据IDC（互联网数据中心）预测，2020年的数据增长量将是2010年的44倍，达到35ZB。世界经济论坛报告称，“大数据为新财富，价值堪比石油”。随着计算机及其存储设备、互联网、云计算等技术的发展，大数据应用领域随之不断丰富。大数据产业将依赖快速聚集的社会资源，在数据和应用驱动的创新下，不断丰富商业模式，构建出多层多样的市场格局，成为引领信息技术产业发展的核心引擎、推动社会进步的重要力量。 大数据产业发展现状 全球大数据产业发展概况 目前，大数据以爆炸式的发展速度迅速蔓延至各行各业。随着各国抢抓战略布局，不断加大扶持力度，全球大数据市场规模保持了高速增长态势。据IDC预测，全球大数据市场规模 年增长率达40%，在2017年将达到530亿美元。美国奥巴马政府于2012年3月宣布投资2亿美元启动“大数据研究和发展计划”，将“大数据研究”上升为国家意志；2015年发布“大数据研究和发展计划”，深入推动大数据技术研发，同时还鼓励产业、大学和研究机构、非盈利机构与政府一起努力，共享大数据提供的机遇。目前，美国大数据产业增长率已超过71%，大数据在美国健康医疗、公共管理、零售业、制造业等领域产生了巨大的经济效益。英国政府自2013年开始就注重对大数据技术的研发投入，2015年投入7300万英镑用于55个政府的大数据应用项目，投资兴办大数据研究中心，通过大数据技术在公开平台上发布了各层级数据资源，直接或间接为英国增加了近490亿至660亿英镑的收入，并预测到2017年，大数据技术可以为英国提供5.8万个新的工作岗位，或将带来2160亿英镑的经济增长。法国2011年推出了公开的数据平台 date.gouv.fr，以便于公民自由查询和下载公共数据；2013年相继发布《数字化路线图》、《法国政府大数据五项支持计划》等，通过为大数据设立原始扶持资金，推动交通、医疗卫生等纵向行业设立大数据旗舰项目，为大数据应用建立良好的生态环境，并积极建设大数据初创企业孵化器。日本在《日本再兴战略》中提出开放数据，将实施数据开放、大数据技术开发与运用作为2013-2020年的重要国家战略之一，积极推动日本政务大数据开放及产业大数据的发展，零售业、道路交通基建、互联网及电信业等行业的大数据应用取得显著效果。韩国政府高度重视大数据发展，科学、通信和未来规划部与国家信息社会局（NIA）共建大数据中心，大力推动全国大数据产业发展。根据《2015韩国数据行业白皮书》统计显示， 数据服务市场规模占韩国总行业市场规模的47%，位列第一；数据库构建服务以41.8%的占有
大数据文献综述
信息资源管理文献综述 题目：大数据背景下的信息资源管理 系别：信息与工程学院 班级：2015级信本1班 姓名： 学号：1506101015 任课教师： 2017年6月 大数据背景下的信息资源管理 摘要：随着网络信息化时代的日益普遍，我们正处在一个数据爆炸性增长的“大数据”时代，在我们的各个方面都产生了深远的影响。大数据是数据分析的前沿技术。简言之，从各种各样类型的数据中，快速获得有价值信息的能力就是大数据技术，这也是一个企业所需要必备的技术。“大数据”一词越来越地别提及与使用，我们用它来描述和定义信息爆炸时代产生的海量数据。就拿百度地图来说，我们在享受它带来的便利的同时，无偿的贡献了我们的“行踪”，比如说我们的上班地点，我们的家庭住址，甚至是我们的出行方式他们也可以知道，但我们不得不接受这个现实，我们每个人在互联网进入大数据时代，都将是透明性的存在。各种数据都在迅速膨胀并变大，所以我们需要对这些数据进行有效的管理并加以合理的运用。
关键词：大数据信息资源管理与利用 目录 大数据概念.......................................................... 大数据定义...................................................... 大数据来源...................................................... 传统数据库和大数据的比较........................................ 大数据技术.......................................................... 大数据的存储与管理.............................................. 大数据隐私与安全................................................ 大数据在信息管理层面的应用.......................................... 大数据在宏观信息管理层面的应用.................................. 大数据在中观信息管理层面的应用.................................. 大数据在微观信息管理层面的应用.................................. 大数据背景下我国信息资源管理现状分析................................ 前言：大数据泛指大规模、超大规模的数据集，因可从中挖掘出有价值 的信息而倍受关注，但传统方法无法进行有效分析和处理.《华尔街日
工业大数据分析综述：模型与算法
摘要：随着条形码、二维码、RFID、工业传感器、自动控制系统、工业互联网、ERP、CAD/CAM/CAE等信息技术在工业领域的广泛应用，大量与工业生产活动相关的数据被实时采集并存储到企业的信息系统中。对这些数据进行分析，有助于改进生产工艺、提高生产效率、降低生产成本，为实现智能制造奠定基础。因此，工业大数据分析引起了工业界和学术界的广泛关注。模型和算法是大数据分析理论和技术中的两个核心问题。介绍了工业大数据分析的基本概念，综述了几种流行的工业大数据分析模型在工业大数据分析领域的应用情况以及相应求解算法方面的研究成果，并探索了大数据分析模型和算法的未来研究方向。 关键词：工业大数据; 大数据分析; 模型; 算法; 智能制造 1 引言 当今时代，信息化和工业化的融合已经成为发展趋势，《中国制造2025》指出：“新一代信息技术与制造业深度融合，正在引发影响深远的产业变革，形成新的生产方式、产业形态、商业模式和经济增长点”。工业大数据在两化融合过程中起着至关重要的作用，国务院颁发的《促进大数据发展行动纲要》把发展工业大数据列为主要任务之一：“推动大数据在工业研发设计、生产制造、经营管理、市场营销、售后服务等产品全生命周期、产业链全流程各环节的应用，分析感知用户需求，提升产品附加价值，打造智能工厂。建立面向不同行业、不同环节的工业大数据资源聚合和分析应用平台”。工业大数据是指在工业领域中产生的大数据。随着信息化与工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，条形码、二维码、射频识别（radio frequency identification，RFID）、工业传感器、工业自动控制系统、工业互联网、企业资源计划（enterprise resource planning，ERP）、计算机辅助设计（computer
人文社科大数据研究现状综述
人文社科大数据研究现状综述 前言 数据的历史与人类的历史一样久长。步入现代社会以来，伴随信息载体、种类和数量的增多，数据种类越来越丰富，数字、文字、图像、音频、视频等也都是数据。通过数据来研究规律、发现规律，贯穿了人类社会发展的始终。不仅人类自然科学发展史上的不少进步都和数据采集分析直接相关，而且人文社会科学的发展也始终离不开数据。自20世纪后期以来，随着计算机技术全面融入社会生活，信息爆炸已经积累到了一个开始引发社会全面变革的程度。它不仅使世界充斥着比以往更多的信息，而且其增长速度也在加快。信息总量的变化还导致了信息形态的变化——量变引起了质变。大数据正产生于这一大的历史背景下。 大数据就是囊括了包括各方面信息的一个庞大的数据总和，其最核心的价值在于对海量数据进行存储和分析，并实现预测某一事物发展的趋向。相比起现有的其他技术而言，大数据的廉价、迅速、优化这三方面的综合成本是最低的。大数据最重要的是如何使用，最大的挑战在于哪些领域能更好地使用数据及大数据的应用情况如何。人文社科包含人文科学和社会科学，是一个非常广泛的领域，大数据逐渐成为其研究热点，尤其是在农业、医疗、金融、社会管理等方面得到了很好的应用，为社会的发展提供了很大的帮助。 工业革命以后，以文字为载体的信息量大约每十年翻一番；1970 年以后，信息量大约每三年就翻一番。到如今，全球信息总量每两年就可以翻一番。著名管理咨询公司麦肯锡称:“数据已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素。人们对于大数据的挖掘和运用,预示着新一波生产力增长和消费盈余浪潮的到来。”大数据无时无刻都在影响着我们的日常生活、国民经济、社会发展，受到社会各界的关注，如何利用这些海量数据去解决社会生活中的问题，已经成为当前研究的热点。人文社科领域重在研究并阐述各种社会现象及其发展规律，随着现实社会中数据量的剧增，比如社会化媒体，包括微信、微博、网站等，已经渗透到人们生活的各个领域，开放的群体通信和群体互动已经成社会生活的重要组成部分。人文社科领域原有的研究方法已经无法有效地处理这些数据。在过去，人文社科领域的研究常常采取抽样问卷调查、座谈、访谈等方法采集数据。然而，再好、再合理的抽样方法，反映的总是对局部和部分人群、阶层的研究结果，随机偶然性较大，准确性欠佳。如今，大数据处理技术为其提供了新的思想和方法。通过各个平台或网站的并联进行进一步分析，开展思想动态研究、行为方式分析、生活方式探索，发展趋势预测，乃至可以替代传统意义上的问卷调查而进行大规模的数据分析。通过大数据的这些相关技术挖掘社会化数据中隐藏的信息，揭示社会现象并为社会问题提供可靠的解决方案，解决了人文社科领域传统方法无法有效处理的问题。随着大数据研究的发展，大数据在人文社科领域已经有了很多较为典型的应用，特别是在农业、医疗、金融、社会管理等行业。 大数据是知识经济时代的战略高地，是国家和全球的新型战略资源。作为思维的革命性创新，大数据为科学研究带来了新的方法论。习近平总书记在谈到如何繁荣发展中国特色哲学社会科学时，要求我们善于“运用互联网和大数据技术，加强哲学社会科学图书文献、网络、数据库等基础设施和信息化建设”，这为信息化时代的人文社会科学研究的方式变革与理论创新指出了正确的方向。大数据正在成为当前中国社会快速信息化的最重要表征之一。我们应当深刻认识大数据及其对人文社会科学研究所
大数据的国内外研究现状与发展动态分析报告
大数据的国内外研究现状及发展动态分析大数据的概念 产生的背景与意义 上世纪60年代到80年代早期，企业在大型机上部署财务、银行等关键应用系统，存储 介质包括磁盘、磁带、光盘等。尽管当时人们称其为大数据，但以今日的数据量来看，这些数据无疑是非常有限的。随着PC的出现和应用增多，企业内部出现了很多以公文档为主要形式的数据，包括Word、Excel文档，以及后来出现的图片、图像、影像和音频等。此时企业内部生产数据的已不仅是企业的财务人员，还包括大量的办公人员，这极大地促进了数据 量的增长。互联网的兴起则促成了数据量的第三次大规模增长，在互联网的时代，几乎全民 都在制造数据。而与此同时，数据的形式也极其丰富，既有社交网络、多媒体等应用所主动 产生的数据，也有搜索引擎、网页浏览等被动行为过程中被记录、搜集的数据。时至今日，随着移动互联网、物联网、云计算应用的进一步丰富，数据已呈指数级的增长，企业所处理的数据已经达到PB级，而全球每年所产生的数据量更是到了惊人的ZB级。在数据的这种 爆炸式增长的背景下，“大数据”的概念逐渐在科技界、学术界、产业界引起热议。在大数据时代，我们分析的数据因为“大”，摆脱了传统对随机采样的依赖，而是面对全体数据；因为所有信息都是“数”，可以不再纠结具体数据的精确度，而是坦然面对信息的混杂；信息之“大”之“杂”，让我们分析的“据”也由传统的因果关系变为相关关系。 大数据热潮的掀起让中国期待“弯道超越”的机会，创造中国IT企业从在红海领域苦 苦挣扎转向在蓝海领域奋起直追的战略机遇。传统IT行业对于底层设备、基础技术的要求 非常高，企业在起点落后的情况下始终疲于追赶。每当企业在耗费大量人力、物力、财力取 得技术突破时，IT革命早已将核心设备或元件推进至下一阶段。这种一步落后、处处受制于人的状态在大数据时代有望得到改变。大数据对于硬件基础设施的要求相对较低，不会受困于基础设备核心元件的相对落后。与在传统数据库操作层面的技术差距相比，大数据分析应用的中外技术差距要小得多。而且，美国等传统IT强国的大数据战略也都处于摸着石头 过河的试错阶段。中国市场的规模之大也为这一产业发展提供了大空间、大平台。大数据对 于中国企业不仅仅是信息技术的更新，更是企业发展战略的变革。随着对大数据的获取、处 理、管理等各个角度研究的开展，企业逐渐认识数据已经逐渐演变成“数据资产”。任何硬件、软件及服务都会随着技术发展和需求变化逐渐被淘汰，只有数据才具有长期可用性，值得积累。数据是企业的核心资产，可以是也应该是独立于软硬件系统及应用需求而存在的。 大数据是信息技术演化的最新产物，确立了数据这一信息技术元素的独立地位。正因为数据不再是软硬件及应用的附属产物，才有了今天爆炸式的数据增长，从而奠定了大数据的基础。
大数据技术研究综述
大数据技术研究综述 摘要：大数据是继云计算、物联网之后IT 产业又一次颠覆性的技术革命。文中介绍了大数据的概念、典型的4“V”特征以及大数据的关键技术，归纳总结了大数据处理的一般流程，针对其中的关键技术，如MapReduce、GFS、Hadoop以及NoSQL等，介绍了基本的情况。最后，本文对大数据时代做了总结与展望。 关键词：大数据；数据处理技术；云计算
当人们还在津津乐道云计算、物联网等主题时，一个崭新的概念——大数据横空出世。大数据是继云计算、物联网之后IT产业又一次颠覆性的技术革命，对国家治理模式、企业决策、组织和业务流程，以及个人生活方式等都将产生巨大的影响。大数据的挖掘和应用可创造出超万亿美元的价值，将是未来IT 领域最大的市场机遇之一，其作用堪称又一次工业革命[1]。 我们身处数据的海洋，几乎所有事物都与数据有关，环境、金融、医疗……我们每天都在产生数据，打电话、发短信、进地铁站安检、进办公楼刷卡、在QQ 上聊天、上淘宝网购物……大量数据实时地影响我们的工作、生活乃至社会发展。数据成为与自然资源、人力资源同样重要的战略资源，引起了科技界和企业界的高度重视。 1大数据的概念 大数据本身就是一个很抽象的概念，提及大数据很多人也只能从数据量上去感知大数据的规模，如：百度每天大约要处理几十PB 的数据；Facebook 每天生成300 TB以上的日志数据；据著名咨询公司IDC 的统计，2011年全球被创建和复制的数据总量为1.8 ZB(1021) ，但仅仅是数据量并不能区分大数据与传统的海量数据的区别。在2008年《Science》杂志出版的专刊中，大数据被定义为“代表着人类认知过程的进步，数据集的规模是无法在可容忍的时间内用目前的技术、方法和理论去获取、管理、处理的数据”[2]。 大数据不是一种新技术，也不是一种新产品，而是一种新现象，是近来研究的一个技术热点。大数据具有以下4个特点，即4个“V”： (1) 数据体量(V olumes) 巨大。大型数据集，从TB级别，跃升到PB级别。 (2) 数据类别(Variety) 繁多。数据来自多种数据源，数据种类和格式冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。 (3) 价值(Value) 密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅一两秒钟。 (4) 处理速度(Velocity) 快。包含大量在线或实时数据分析处理的需求，1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式。
2019国内外大数据行业现状
当前，许多国家的政府和国际组织都认识到了大数据的重要作用，纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要抓手，实施大数据战略，对大数据产业发展有着高度的热情。 美国政府将大数据视为强化美国竞争力的关键因素之一，把大数据研究和生产计划提高到国家战略层面。在美国的先进制药行业，药物开发领域的最新前沿技术是机器学习，即算法利用数据和经验教会自己辨别哪种化合物同哪个靶点相结合，并且发现对人眼来说不可见的模式。根据前期计划，美国希望利用大数据技术实现在多个领域的突破，包括科研教学、环境保护、工程技术、国土安全、生物医药等。 其中具体的研发计划涉及了美国国家科学基金会、国家卫生研究院、国防部、能源部、国防部高级研究局、地质勘探局等6 个联邦部门和机构。 目前，欧盟在大数据方面的活动主要涉及四方面内容：研究数据价值链战略因素；资助“大数据”和“开放数据”领域的研究和创新活动；实施开放数据政策；促进公共资助科研实验成果和数据的使用及再利用。 英国在2017 年议会期满前，开放有关交通运输、天气和健康方面的核心公共数据库，并在五年内投资1000 万英镑建立世界上首个“开放数据研究所”；政府将与出版行业等共同尽早实现对得到公共资助产生的科研成果的免费访问，英国皇家学会也在考虑如何改进科研数据在研究团体及其他用户间的共享和披露；英国研究理事会将投资200 万英镑建立一个公众可通过网络检索的“科研门户”。 法国政府为促进大数据领域的发展，将以培养新兴企业、软件制造商、工程师、信息系统设计师等为目标，开展一系列的投资计划。法国政府在其发布的《数字化路线图》中表示，将大力支持“大数据”在内的战略性高新技术，法国软件编辑联盟曾号召政府部门和私人企业共同合作，投入3 亿欧元资金用于推动大数据领域的发展。法国生产振兴部部长ArnaudMontebourg、数字经济部副部长FleurPellerin 和投资委员LouisGallois 在第二届巴黎大数据大会结束后的第二天共同宣布了将投入1150 万欧元用于支持7 个未来投资项目。这足以证明法国政府对于大数据领域发展的重视。法国政府投资这些项目的目的在于“通过发展创新性解决方案，并将其用于实践，来促进法国在大数据领域的发展”。众所周知，法国在数学和统计学领域具有独一无二的优势。 日本为了提高信息通信领域的国际竞争力、培育新产业，同时应用信息通信技术应对抗灾救灾和核电站事故等社会性问题。2013 年6 月，安倍内阁正式公布了新IT 战略——“创建
【精选】大数据文献综述
信息资源管理文献综述题目：大数据背景下的信息资源管理系别：信息与工程学院 班级：2015级信本1班 姓名： 学号：1506101015
任课教师： 2017年6月 大数据背景下的信息资源管理 摘要：随着网络信息化时代的日益普遍，我们正处在一个数据爆炸性增长的“大数据”时代，在我们的各个方面都产生了深远的影响。大数据是数据分析的前沿技术。简言之，从各种各样类型的数据中，快速获得有价值信息的能力就是大数据技术，这也是一个企业所需要必备的技术。“大数据”一词越来越地别提及与使用，我们用它来描述和定义信息爆炸时代产生的海量数据。就拿百度地图来说，我们在享受它带来的便利的同时，无偿的贡献了我们的“行踪”，比如说我们的上班地点，我们的家庭住址，甚至是我们的出行方式他们也可以知道，但我们不得不接受这个现实，我们每个人在互联网进入大数据时代，都将是透明性的存在。各种数据都在迅速膨胀并变大，所以我们需要对这些数据进行有效的管理并加以合理的运用。 关键词：大数据信息资源管理与利用
目录 前言：大数据泛指大规模、超大规模的数据集，因可从中挖掘出有价值的信息而倍受关注，但传统方法无法进行有效分析和处理.《华尔街日报》将大数据时代、智能化生产和无线网络革命称为引领未来繁荣的大技术变革.“世界经济论坛”报告指出大数据为新财富，价值堪比 石油.因此，目前世界各国纷纷将开发利用大数据作为夺取新一轮竞 争制高点的重要举措. 当前大数据分析者面临的主要问题有:数据日趋庞大，无论是入
库和查询，都出现性能瓶颈;用户的应用和分析结果呈整合趋势，对 实时性和响应时间要求越来越高;使用的模型越来越复杂，计算量指 数级上升;传统技能和处理方法无法应对大数据挑战. 正文： 大数据概念 大数据定义 维基百科对大数据的定义则简单明了:大数据是指利用常用软件工具捕获、管理和处理数据所耗时间超过可容忍时间的数据集。也就是说大数据是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理 大数据来源 1)来自人类活动:人们通过社会网络、互联网、健康、金融、经济、交通等活动过程所产生的各类数据，包括微博、病人医疗记录、文字、图形、视频等 信息. 2)来自计算机:各类计算机信息系统产生的数据，以文件、数据库、多媒体等形式存在，也包括审计、日志等自动生成的信息. 3)来自物理世界:各类数字设备、科学实验与观察所采集的数据.如摄像头所不断产生的数字信号，医疗物联网不断产生的人的各项特征值，气象业 务系统采集设备所收集的海量数据等 传统数据库和大数据的比较 现有数据处理技术大多采用数据库管理技术，从数据库到大数据，看似一个简单的技术升级，但仔细考察不难发现两者存在一些本质上区别。传统数据库时
工业大数据技术架构白皮书
工业大数据技术架构白皮书
编写说明 党的十九大报告中提出要“加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济的深度融合”。再一次强调了运用新兴技术促进信息化和工业化的深度融合，以实现制造强国的战略目标。 工业是国民经济的主导，每一次工业届的重大变革都会对社会发展形成重大的影响。我国政府高度重视并积极推动以互联网为代表的新一代新兴技术与工业系统深度融合，以加速工业体系的智能化变革。工业互联网的建设重点概括为“网络”、“数据”、“安全”三大领域，而“数据”是实现工业智能化的核心驱动。在工业领域中合理地运用大数据技术能有效促进企业信息化发展，提升企业生产运行效率、加速生产信息在制造过程中的流动、助力企业升级转型并形成全新的智能制造模式。 为了加速新一代信息技术与传统产业的融合，工业互联网联盟（AII）针对工业领域的技术创新、标准制定、试验验证、应用实践等进行了一系列调查研究，在工业大数据领域也开展了相关工作，先后发布了《中国工业大数据技术与应用白皮书》，《工业大数据创新竞赛白皮书——风机结冰故障分析指南》等成果，以推动大数据技术在工业领域的深入应用。 本白皮书从实际出发，在现有研究的基础上，结合生产过程中的经典案例，介绍和分析了工业生产环境中大数据技术的应用方法，为工业企业建设大数据系统提供了基础架构层面的建议和指导，从数据的采集与交换、集成与处理、建模与分析、决策与控制几个层面，形成完整的大数据管理与分析架构，供相关行业伙伴参考使用，适用于广义的工业领域，包括制造业、采伐工业、原材料工业以及其他衍生的工业范围。
目录 第一章工业大数据系统综述 (1) 1.1 建设意义及目标 (1) 1.2 重点建设问题 (2) 第二章工业大数据技术架构概述 (3) 2.1 数据采集与交换 (5) 2.2 数据集成与处理 (6) 2.3 数据建模与分析 (8) 2.4 决策与控制应用 (9) 2.5 技术发展现状 (10) 第三章工业大数据技术架构实现 (12) 3.1 技术组件选择 (12) 3.1.1 数据采集 (12) 3.1.2 数据存储 (16) 3.1.3 数据计算 (17) 3.1.4 混合云架构 (18) 3.2 建设标准 (19) 3.2.1 基础业务能力 (19) 3.2.2 数据管理能力 (20) 3.2.3 运维管理能力 (21) 3.2.4 安全管理 (22) — 1 —
国内外大数据发展现状和趋势(2018)
行业现状 当前，许多国家的政府和国际组织都认识到了大数据的重要作用，纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要抓手，实施大数据战略，对大数据产业发展有着高度的热情。 美国政府将大数据视为强化美国竞争力的关键因素之一，把大数据研究和生产计划提高到国家战略层面。在美国的先进制药行业，药物开发领域的最新前沿技术是机器学习，即算法利用数据和经验教会自己辨别哪种化合物同哪个靶点相结合，并且发现对人眼来说不可见的模式。根据前期计划，美国希望利用大数据技术实现在多个领域的突破，包括科研教学、环境保护、工程技术、国土安全、生物医药等。其中具体的研发计划涉及了美国国家科学基金会、国家卫生研究院、国防部、能源部、国防部高级研究局、地质勘探局等6个联邦部门和机构。 目前，欧盟在大数据方面的活动主要涉及四方面内容：研究数据价值链战略因素；资助“大数据”和“开放数据”领域的研究和创新活动；实施开放数据政策；促进公共资助科研实验成果和数据的使用及再利用。 英国在2017年议会期满前，开放有关交通运输、天气和健康方面的核心公共数据库，并在五年内投资1000万英镑建立世界上首个“开放数据研究所”；政府将与出版行业等共同尽早实现对得到公共资助产生的科研成果的免费访问，英国皇家学会也在考虑如何改进科研数据在研究团体及其他用户间的共享和披露；英国研究理事会将投资200万英镑建立一个公众可通过网络检索的“科研门户”。 法国政府为促进大数据领域的发展，将以培养新兴企业、软件制造商、工程师、信息系统设计师等为目标，开展一系列的投资计划。法国政府在其发布的《数字化路线图》中表示，将大力支持“大数据”在内的战略性高新技术，法国软件编辑联盟曾号召政府部门和私人企业共同合作，投入3亿欧元资金用于推动大数据领域的发展。法国生产振兴部部长ArnaudMontebourg、数字经济部副部长FleurPellerin和投资委员LouisGallois在第二届巴黎大数据大会结束后的第二天共同宣布了将投入1150万欧元用于支持7个未来投资项目。这足以证明法国政府对于大数据领域发展的重视。法国政府投资这些项目的目的在于“通过发展创新性解决方案，并将其用于实践，来促进法国在大数据领域的发展”。众所周知，法国在数学和统计学领域具有独一无二的优势。 日本为了提高信息通信领域的国际竞争力、培育新产业，同时应用信息通信技术应对抗灾救灾和核电站事故等社会性问题。2013年6月，安倍内阁正式公布了新IT战略——“创建最尖端IT国家宣言”。“宣言”全面阐述了2013～2020年期间以发展开放公共数据和大数据为核心的日本新IT国家战略，提出要把日本建设成为一个具有“世界最高水准的广泛运用信息产业技术的社会”。日本著名的矢野经济研究所预测，2020年度日本大数据市场规模有望超过1兆日元。 在重视发展科技的印度，大数据技术也已成为信息技术行业的“下一个大事件”，目前，不仅印度的小公司纷纷涉足大数据市场淘金，一些外包行业巨头也开始进军大数据市场，试图从中分得一杯羹。2016年，印度全国软件与服务企业协会预计，印度大数据行业规模在3年内将到12亿美元，是当前规模的6倍，同时还是全球大数据行业平均增长速度的两倍。印度毫无疑问是美国亦步亦趋的好学生。在数据开放方面，印度效仿美国政府的做法，制定了一个一站式政府数据门户网站https://www.360docs.net/doc/f0705788.html,.in，把政府收集的所有非涉密数据集中起来，包括全国的人口、经济和社会信息。 我国大数据行业仍处于快速发展期，未来市场规模将不断扩大 ?目前大数据企业所获融资数量不断上涨，二级市场表现优于大盘，我国大数据行业的市
大数据技术项目可行性研究报告
【大数据技术项目可行性研究方法论及编撰技巧】 【大数据技术项目可行性研究目录】 第一部分大数据技术项目总论 总论作为可行性研究报告的首要部分，要综合叙述研究报告中各部分的主要问题和研究结论，并对项目的可行与否提出最终建议，为可行性研究的审批提供方便。 一、大数据技术项目概况 （一）项目名称 （二）项目承办单位
（三）可行性研究工作承担单位 北京华经纵横咨询有限公司 （四）项目可行性研究依据 本项目可行性研究报告编制依据如下： 1．《中华人民共和国公司法》； 2．《中华人民共和国行政许可法》； 3．《国务院关于投资体制改革的决定》国发（2004）20号； 4.《产业结构调整目录2011版》； 5.《国民经济和社会发展第十二个五年发展规划》； 6.《建设项目经济评价方法与参数（第三版）》，国家发展与改革委员会2006 年审核批准施行； 7.《投资项目可行性研究指南》，国家发展与改革委员会2002年 8. 企业投资决议； 9. ……； 10. 地方出台的相关投资法律法规等。 （五）项目建设内容、规模、目标 （六）项目建设地点 二、大数据技术项目可行性研究主要结论 在可行性研究中，对项目的产品销售、原料供应、政策保障、技术方案、资金总额及筹措、项目的财务效益和国民经济、社会效益等重大问题，都应得出明确的结论，主要包括：（一）项目产品市场前景 （二）项目原料供应问题 （三）项目政策保障问题 （四）项目资金保障问题 （五）项目组织保障问题 （六）项目技术保障问题 （七）项目人力保障问题 （七）项目风险控制问题 （八）项目财务效益结论 （九）项目社会效益结论 （十）项目可行性综合评价 三、主要技术经济指标表 在总论部分中，可将研究报告中各部分的主要技术经济指标汇总，列出主要技术经济指标表，使审批和决策者对项目作全貌了解。 表1 技术经济指标汇总表
大数据研究现状
选题理由：移动互联网和云计算都是我们可以触及到的东西，而大数据是一个抽象的概念，现在媒体总在说大数据时代的到来，那大数据到底是什么，为什么它如此受关注，为何它对人们的生活和生产具有如此深刻的影响，借这个机会我也想深入地了解了一下，并在此与大家分享有关大数据的知识。 最早提出大数据时代已经到来的机构是全球知名咨询公司麦肯锡。麦肯锡在研究报告中指出，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素。而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。 何为大数据 大数据是指需要通过快速获取、处理、分析以从中提取价值的海量、多样化的交易数据、交互数据与传感数据。 所涉及的数据量规模巨大到无法通过人工在合理时间内完成信息的采集、处理、管理，并将其整理成为人类所能解读的信息。 当今世界经济中，企业为了发现新的盈利长机会，更加依赖来自消费者的喜好和见解。在发现和挖掘这些喜好和见解的过程中，产生数量巨大、结构复杂、类型众多的数据，这些数据通过集成共享，交叉复用，成为有价值的经济信息资源，形成一种智力资源和知识服务能力。 大数据有多大how big is big data 大，即海量，巨型。 领域内的大多数专业人士认为TB（太字节，百万兆）或PB级是目前大数据的基准。但也有业内人士认为无法为大数据定义一个具体的数量级，因为当今科技迅猛发展，今天的“大”可能是明天的“正常”数量。也就是说大数据是附着在人力和技术基础设施无法跟上公司的数据需求步伐的情况下的主观标签。 各大公司的数据情况 Google 公司通过大规模集群和MapReduce软件，每个月处理的数据量超过400PB。 百度的数据量：数百PB，每天大约要处理几十PB数据，大多要实时处理，如微博、团购、秒杀。 Facebook：注册用户超过8.5亿，每月上传10亿照片，每天生成300TB日志数据 淘宝网：有3.7亿会员，在线商品8.8亿，每天交易数千万，产生约20TB数据。 Yahoo!的数据量：Hadoop云计算平台有34个集群，超过3万台机器，总存储容量超过100PB。 工业革命以后，以文字为载体的信息量大约每十年翻一番；1970年以后，信息量大约每三年就翻一番；如今，全球信息总量每两年就可以翻一番。2011年全球被创建和被复制的数据总量为1.8ZB（1ZB=1021Byte）其中75%来自于个人。互联网数据中心（IDC）认为，到下一个十年（2020年），全球所有IT部门拥有服务器的总量将会比现在多出10倍，所管理的数据将会比现在多出50倍。根据麦肯锡全球研究院（MGI）预测，到2020年，全球数据使用量预计将暴增44倍，达到35ZB 数据如此膨胀，大数据的处理及应用成为企业经营及价值创造上非常重要的课题。 大数据特点：3V Volume:数据量大：目前一般认为PB级以上数据看成是大数据；
大数据发展背景及研究现状
大数据发展背景与研究现状 （一）大数据时代的背景 随着计算机存储能力的提升和复杂算法的发展，近年来的数据量成指数型增长，这些趋势使科学技术发展也日新月异，商业模式发生了颠覆式变化。《分析的时代：在大数据的世界竞争》是____年12月xx全球研究院（MGI）发表的一份报告。五年前MGI就指出大数据分析在基于定位的服务、xx零售业、制造业、欧盟公共部门及xx健康医疗领域有很大的增长潜力。数据正在被商业化，来自网络、智能手机、传感器、相机、支付系统以及其他途径的数据形成了一项资产，产生了巨大的商业价值。苹果、亚马逊、Facebook、xx、通用微软以及阿里巴巴集团利用大数据分析及自己的优势改变了竞争的基础，建立了全新的商业模式。稀缺数据的所有者利用数字化网络平台在一些市场近乎垄断，只需用独特方式将数据整合分析，提供有价值的数据分析，几乎可以“赢家通吃”。____年全球的数据储量就达到1.8ZB，与____年相比____年大数据增长了近4倍，未来十年，全球数据存储量还将增长十倍，大数据成为提升产业竞争力和创新商业模式的新途径。大数据在企业中得到了充分的应用并实现了巨大的商业价值。xx百货的SAS系统可以根据7300种货品的需求和库存实现实时定价。零售业寡头摩尔xx通过最新的搜索引擎Polaris，利用语义数据技术使得在线购物的完成率提升了10%到15%。我国信息数据资源80%以上掌握在各级政府部门手里，但很多数据却与世隔绝“xx闺中”，成为极大的浪费。____年，国务院印发《促进大数据发展行动纲要》，明确要求“____年底前建成国家政府数据统一开放平台”；今年5月，国务院办公厅又印发《政务信息系统整合共享实施方案》，进一步推动政府数据向社会开放。 大数据可以把人们从旧的价值观和发展观中解放出来，从全新的视角和角度理解世界的科技进步和复杂技术的涌现，变革人们关于工作、生活和思维的看法。大数据的应用十分广泛，通过对大规模数据的分析，利用数据整体性与涌现性、相关性与不确定性、多样性与非线性及并行性与实时性研究大数据在公共交通、公共安全、社会管理等领域的应用。大数据与xx计算、物联网一起使得很多事情成为可能，将会是新的经济增长点。大数据随着以数据科学为核心的计算机技术的迅猛发展，推动了社会科学与自然科学等跨科学研究的发展。因此对xx乃至全国的大数据研究具有深刻而广泛的意义。
大数据文献综述英文版
大数据文献综述英文版 Prepared on 24 November 2020
The development and tendency of Big Data Tang Xia (Guilin University of electronic technology, electronic engineeringandautomation, Guilin) Abstract: "Big Data"is the most popular IT word after the "Internet of things"and "Cloud computing". From the source, development, status quo and tendency of big data, we can understand every aspect of it. Big data is one of the most important technologies around the world and every country has their own way to develop the technology. Key words: big data; IT; technology 1 The source of big data Despite the famous futurist Toffler propose the conception of “Big Data” in 1980, for a long time, because the primary stage is still in the development of IT industry and uses of information sources, “Big Data” is not get enough attention by the people in that age[1]. 2 The development of big data Until the financial crisis in 2008 force the IBM ( multi-national corporation of IT industry) proposing conception of “Smart City” and vigorously promote Internet of Things and Cloud computing so that information data has been in a massive growth meanwhile the need for the technology is very urgent. Under this condition, some American data processing companies have focused on developing large-scale concurrent processing system, then the “Big Data” technology become available sooner and Hadoop mass data concurrent processing system has received wide attention. Since 2010, IT giants have proposed their products in big data area. Big companies such as EMC、HP、IBM、Microsoft all purchase other manufacturer relating to big data in order to achieve technical integration[1]. Based on this, we can learn how important the big data strategy is. Development of big data thanks to some big IT companies such as Google、Amazon、China mobile、Alibaba and so on, because they need a optimization way to store and analysis data. Besides, there are also demands of health systems、geographic space remote sensing and digital media[2]. 3 The status quo of big data Nowadays America is in the lead of big data technology and market application. USA federal government announced a “Big Data’s research and development” plan in March,2012, which involved six federal government department the National Science Foundation, Health Research Institute, Department of Energy, Department of Defense, AdvancedResearchProjectsAgency and
工业大数据的未来发展方向
工业大数据的未来发展方向（从阿里和航天说起） 2016年12月5日，清华大数据技术·前沿系列讲座——“工业大数据的技术趋势与应用场景”在清华大学FIT楼多功能厅成功举办，本期讲座邀请到了阿里巴巴集团副总裁、阿里云业务总经理刘松、航天科工集团航天云网科技发展有限公司副总经理祝守宇和阿里云事业群数据业务总架构师周卫天来为大家介绍工业大数据的建设背景、发展现状、国家战略、发展趋势、竞争对手、发展启示及建设意义。 作者：佚名来源：THU数据派|2016-12-12 13:32 收藏 分享 2016年12月5日，清华大数据技术·前沿系列讲座——“工业大数据的技术趋势与应用场景”在清华大学FIT 楼多功能厅成功举办，本期讲座邀请到了阿里巴巴集团副总裁、阿里云业务总经理刘松、航天科工集团航天云网科技发展有限公司副总经理祝守宇和阿里云事业群数据业务总架构师周卫天来为大家介绍工业大数据的建设背景、发展现状、国家战略、发展趋势、竞争对手、发展启示及建设意义。 阿里巴巴集团副总裁、阿里云业务总经理刘松首先致辞 刘松，现任阿里巴巴集团副总裁，兼阿里云业务总经理，负责阿里巴巴云计算生态构建工作，包括：大中型合作伙伴的战略合作，云市场与ISV的发展，大学合作与开发者计划，阿里巴巴双创示范基地，阿里云创客+，云栖100合作计划，阿里云研究中心等方面，并担任云生态战略与技术发展趋势的主要发言人。 刘总主要从三个层面的角度分享了他的想法。
一、数据技术(Data Technology)的发展趋势作。目前数据成为互联网平台企业的关键技术，包括苹果、谷歌、亚马逊等全球十大科技公司都逐渐演变成数据化、智能化的平台公司。数据技术的(DT)发展将对各行各业产生影响，新一代信息技术的优化使得全球的软件定义、数据驱动的商业模式逐步明显，数据智能也会在各个传统行业得以应用。 二、中国工业互联网的路径选择。德国公司发展工业4.0的原因是害怕谷歌、facebook等互联网平台公司对消费互联网数据的控制，提出工业4.0与其抗衡;而美国以GE为代表推出了predix平台，但仍然采用着将软件工程作为工业附属的操作模式，这种模式目前看来可行，但是横向扩展有限，而美国东西海岸的科技界对此仍处于不合作状态。目前在中国，基于良好的移动互联网经济，如果将互联网的平台模式和传统工业(包括汽车、飞机、机床、能源互联网)等产业结合起来，探索出新的跨界重混模式，会因为巨大互补效应而产生化学反应，中国制造业可能会走上一条换道升级的路径。 三、中国工业大数据的挑战与机遇。目前中国的工业生产模式很重，通过数据智能改进的产业机会非常大。除了技术和产品层，中国工业大数据要解决的非技术挑战主要有两点：一是文化的问题。工业企业文化和互联网企业文化差异很大，要解决work together的问题;二是人才的问题。这个领域需要的人才非常广泛，要有对工业本身理解的人才，需要了解具体的生产工艺，要有工业软件人才、要有数据处理的人才，这个领域是一个绝对跨界融合的产业，难点在于跨界合作的人才集成。工业大数据的推进问题，我们首先考虑的是能不能把人才高效地积聚起来。人的要素、文化的要素是推进工业大数据两个最重要的因素。 航天科工集团航天云网副总经理的祝守宇为大家分享工业互联网和工业大数据的应用 祝守宇，国家千人计划专家，教授级高级工程师，清华大学自动化专业学士、硕士。祝守宇先生的主要研究领域包括移动互联网大数据分析、工业互联网数据分析等，拥有国内外发明专利数十项，省部级科技奖励多次。 航天科工集团的前身是国防部第五研究院，由著名导弹学家、火箭专家钱学森组建。目前其主要以一主两翼三创新为整体发展目标，包括一主：航天防务、两翼：信息技术和装备制造、三创新：技术创新、商业模式创新、管理创新。在产业政策层面，工信部力推“制造强国+网络强国”的行动计划，将“中国制造2025”和“互联网+”行动计划列为未来产业发展的主攻方向。